几天前，IEEE开放医学与生物学工程学杂志上发表了一篇预发表的研究论文：仅使用咳嗽记录进行的COVID-19人工智能诊断报道说，麻省理工学院（MIT）研究团队使用AI进行了研究。

开发一种无症状感染检测的新方法。

此方法可检测您是否患有新的冠状病毒，只需要您咳嗽即可。

论文URL：https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9208795基于人工神经网络算法，测试了他们迄今为止建立的最大的无症状感染数据。

。

诊断准确率可以达到100％。

麻省理工学院的研究团队已经与一家公司合作，并计划将AI算法集成到移动应用程序中。

项目负责人Brian Subirana表示：如果每个人在去教室，工厂或餐厅之前都使用AI诊断工具，它将有效地减少新的大流行的蔓延。

▲论文简介为了提高新发冠心病检测的准确性，有必要选择一个好的AI模型并收集大量的数据来训练该模型。

因此，自今年4月以来，MIM研究人员已经建立了一个公共咳嗽手机网站。

允许的。

每个人都自愿通过网络浏览器，手机或笔记本电脑等设备提交咳嗽记录。

▲麻省理工学院咳嗽收集网站的网址：https://opensigma.mit.edu/在考试截止日期之前，该网站收集了7万多个录音。

每次录制中有几次咳嗽，并且有大约200,000个咳嗽音频样本。

其中，经确诊的患者（包括无症状感染者）提交了2500多个样本。

Subirana说：“在医学领域，这是迄今为止最大的咳嗽数据集”。

▲在为问卷选择合适的AI模型时，麻省理工学院的研究小组利用他们的经验，通过声音识别早期的阿尔茨海默氏病（AD）患者，并设计了集成的三个模型神经网络结构。

下图来自其论文中网络结构的示意图，其中红色部分显示了三个神经网络模型的组成。

▲新型冠状病毒AI检测模型的结构第一个神经网络代表了人声带的强度。

使用有声读物数据集（包括1000h语音）进行培训；第二个神经网络用于区分语音中的情绪状态。

据了解，AD患者的神经功能下降比普通人更为普遍，并且他们经常表现出诸如抑郁和悲伤之类的负面影响。

感情。

因此，研究人员使用表达不同情绪的演员的大型语音数据集开发了情绪语音分类器。

在自建的咳嗽数据集上训练了第三个神经网络，以区分肺和呼吸功能的变化。

▲实验数据的结果最终将这三个模型结合在一起，形成了一个用于检测肌肉变性的AI框架。

经过测试，研究人员发现该模型用于基于声带强度，情绪，肺部和呼吸功能等生物学特征诊断COVID-。

19.▲需要强调的是检测ROC指标的模型，AI模型的优势不是要检测有新牙冠的有症状患者。

Subirana的论文中也明确强调了这一点。

他说，他们的症状是由COVID-19还是其他症状（例如流感或哮喘）引起的。

该工具的优点是可以区分无症状感染者的咳嗽和健康人群的咳嗽。

看完他们的文章之后，我也去了他们的数据收集和测试网站几次咳嗽，测试一下你的咳嗽声，谁知道...你好，公共账户信息老师，今天我突然转身调试去年的电磁车，发现了问题。

在去年的比赛中，测量了c汽车转向器的内置磁场与5cm电感的关系。

影响很大。

询问中南大学，他们直接修改了机械结构。

其他方法未知。

您能在这方面写一篇文章，讨论如何减少方向盘磁场对近视的影响吗？回复：您可以访问csdn网站进行搜索：“电磁信号检测|这是同一个根源，所以为什么它太着急呢？查看有关如何防止电磁检测干扰的先前讨论。

免责声明：本文内容经21ic授权后发布，版权归原作者所有。

该平台仅提供信息存储服务。

文章